Learning to Adopt Generative AI
创建于 更新于
摘要
本论文基于11,752名面板用户的6个月点击流数据，构建并估计了一个含异质性信号方差的结构化贝叶斯学习模型，以量化“学习差距（learning divide）”与“效用差距（utility divide）”，并鉴别出“信念陷阱”及其成因与缓解路径；实证显示：非大学受教育者、非白人及低英文能力者每次使用可获更高边际效用但更新速度更慢，而男性、年轻者及高LLMOE职业既获更高边际效用也学习更快；模拟表明定向训练（约200–400次使用）可显著降低被困概率，从而缓解结果差距 [page::0][page::27][page::31]
